اگه به هوش مصنوعی علاقه داری، این کانال رو از دست نده! 🤖

توی @AIToolsFarsi هر روز با جدیدترین ابزارها، ترفندهای کاربردی و مهم‌ترین اخبار دنیای هوش مصنوعی آشنا میشی.

✅ معرفی ابزارهای کاربردی
✅ ترفندهای ساده و قابل استفاده
✅ اخبار مهم و به‌روز AI
✅ آموزش‌های کوتاه و مفید

همه محتواها با توضیحات ساده منتشر میشن تا بدون اتلاف وقت، از هوش مصنوعی توی کار، درس و زندگی روزمره استفاده کنی.

👇 همین حالا عضو شو:
@AIToolsFarsi
@AIToolsFarsi

بیشتر آموزش‌های ایجنت‌ها بر اساس حوزه‌هایی مثل سلامت و مالی نوشته می‌شن؛ اما زیرِ همه‌ی این تفاوت‌ها، ایجنت‌ها از چند الگوی معماری مشترک استفاده می‌کنن.

این کتاب ۶۰ از همین الگو رو بررسی میکنه که بنظرم جالبه از دستش ندید

https://www.freecodecamp.org/news/ai-agent-engineers-guide-60-patterns-for-building-autonomous-systems-book/

@DevTwitter | <Reza Jafari/>

یکی دامنه‌ی localhost8000.com رو خریده که بگه شما حتی دو نقطه هم نمیتونی تایپ کنی رفیق

@DevTwitter

معرفی مخزن:
اگه مثل من با MCPهای مختلف برای مدیریت کارها یا ساخت محصولاتت کار میکنی حتما این 4 تا مخزن قابل اعتماد برای MCPهای آماده رو ذخیره کن.
چرخ رو دوباره اختراع نکن.

1- https://github.com/modelcontextprotocol/servers
2- https://smithery.ai
3- https://glama.ai/mcp/servers
4- https://mcp.so

@DevTwitter | <Saeid/>

مدل Ox Alpha روی این ۵ ارائه‌دهنده کاملاً رایگانه (در مجموع حدود +5T توکن)

OpenCode: http://opencode.ai
OpenRouter: http://openrouter.ai
Command Code: http://commandcode.ai
Hermes: http://nousresearch.com
Venice: http://venice.ai

سیو کنید به کارتون میاد

@DevTwitter | <پارسا />

وقتی RAM یک PHP Worker بالا می‌رود، اولین متهم معمولاً GC است.

اما معمولاً تقصیر GC نیست.

ممکن است یک Cache، Closure، Singleton یا حتی یک Reference کوچک، یک Object بزرگ را هنوز زنده نگه داشته باشد.

GC چیزی را که هنوز به آن Reference داریم، Garbage نمی‌داند.

در مقاله جدید، ساده و کاربردی بررسی کردم که Garbage Collector در PHP دقیقاً چه کاری انجام می‌دهد.

لینک مقاله

@DevTwitter | <Afshin Akrami/>

میزان حداقل RAM مورد نیاز Linux
- Ubuntu ~ 4-6 GB
- Pop!_OS ~ 4 GB
- Fedora ~ 2 GB
- Linux Mint ~ 2 GB
- Manjaro ~ 2 GB
- Rocky Linux ~ 2 GB
- Lubuntu ~ 1 GB
- Debian ~512 MB
- Arch Linux ~ 512 MB
- Puppy Linux ~ 256 MB
- antiX ~ 100 MB
- Tiny Core Linux — 28 MB

@DevTwitter | <MehrdadLinux/>

وایب کدینگ core

@DevTwitter

حالا امروز ما وایب‌کدر‌ها رو مسخره می‌کنیم، فردا وایب‌کدر‌ها میگن اینا اسکل بودن خودشون کد میزدن. :))

احتمالا ماها آخرین نسلی هستیم که لذت کد زدن و ساختن از صفر رو بردیم، دیگه از اینجا به بعد حتی خودمون هم نمیتونیم بشینیم کارکتر به کارکتر تایپ کنیم...

@DevTwitter

سرورم Down شد و من آخرین نفری بودم که فهمیدم!
برای اینکه دیگه این اتفاق نیفته، PingPulse رو ساختم؛ یه ابزار دسکتاپ برای Windows، macOS و Linux که با Ping، سرورها و دامین‌ها رو مانیتور می‌کنه و در صورت قطعی با Notification، Telegram، SMS یا Webhook خبر می‌ده.
Backend: Go
UI: React + TypeScript
Open Source
اگر DevOps، Backend یا Infra کار می‌کنی، خوشحال می‌شم تستش کنی و فیدبکت رو بهم بدی. حتی باگ یا پیشنهاد کوچیک هم خیلی کمک می‌کنه.

https://github.com/alikmndlu/PingPulse

@DevTwitter | <Ali Kamandlu/>

تغییر مهم در قیمت‌گذاری Cursor از امروز

سرویس Cursor از امروز، ۲۴ اوت، مدل قیمت‌گذاری حالت Auto را تغییر می‌دهد؛ تغییری که برای توسعه‌دهندگانی که به‌صورت سنگین از Agent استفاده می‌کنند، اهمیت زیادی دارد.

در مدل جدید، هزینه استفاده از حالت Auto دیگر یک نرخ ثابت مستقل نیست و بر اساس مدلی که پشت درخواست قرار می‌گیرد محاسبه می‌شود.

این تغییر زمانی مهم‌تر می‌شود که بدانیم یک وظیفه معمولی توسط Agent می‌تواند شامل ده‌ها عملیات باشد:

خواندن و تحلیل فایل‌ها، جست‌وجو در کد، اجرای ابزارها، تغییر چند فایل، اجرای تست‌ها، بررسی خطاها و در نهایت اصلاح و تکمیل پروژه.

در چنین شرایطی، انتخاب مدل مستقیماً روی هزینه نهایی توسعه تأثیر می‌گذارد.

به‌نظر می‌رسد Cursor به سمت مدلی حرکت می‌کند که در آن دیگر صرفاً «تعداد درخواست‌ها» معیار مصرف نیست؛ بلکه مدل، حجم کاری و میزان استفاده واقعی از Agent اهمیت بیشتری پیدا می‌کند.

برای توسعه‌دهندگانی که روزانه چندین ساعت با Agentهای کدنویسی کار می‌کنند، این تغییر می‌تواند تفاوت قابل‌توجهی در هزینه ماهانه ایجاد کند.

به‌نظر می‌رسد دوران «یک اشتراک و استفاده تقریباً نامحدود از بهترین مدل‌ها» به‌تدریج در حال تغییر است.

@DevTwitter | <کدنویس اسطوره‌ای/>

اگر با MediatR کار می‌کنی و هنوز پاسخ Queryها را دستی Cache می‌کنی، وقتشه ساده‌ترش کنی.
با استفاده این پکیج فقط یک Attribute روی Request می‌گذاری؛ بقیه کارها توسط پایپلاین خودکار انجام می‌شود:
- کش انتخابی (Opt-in)؛ فقط Requestهایی که خودت مشخص می‌کنی Cache می‌شوند.
- پاک‌سازی کش با Tag؛ گروهی حذف کن، نه یکی‌یکی.
- اتریبیوت [RequestOutputCacheEvict] روی Commandها در cqrs برای Invalidation خودکار بعد از موفقیت.
- پاک‌سازی خودکار کش با EF Core هنگام اجرای SaveChanges / SaveChangesAsync.
- پشتیبانی از Providerهای Redis یا Garnet و حتی Memory cache.
- پاک‌سازی توزیع‌شده با Pub/Sub بین سرویس‌ها و CQRS Hostها.
- کش شرطی (Conditional Caching)؛ فقط وقتی عملیات موفق باشد یا شرط دلخواهت برقرار باشد.
- هدر X-NexGen-Output-Cache: HIT هنگام دریافت پاسخ از Cache.
- پشتیبانی از .NET 8، .NET 9 و .NET 10.

یک بار نصب کن، یک بار تست کن؛ تفاوتش را در کاهش Latency و ساده‌تر شدن کدها احساس می‌کنی.
NexGen.MediatR.Extensions.Caching
https://github.com/MatinGhanbari/NexGen.MediatR.Extensions.Caching

@DevTwitter | <Askiev/>

اگه یه روز خواستین سر گوگل شیره بمالین و با API رایگان Gemini یه چت‌بات بسازین، این پروژه می‌تونه به کارتون بیاد

کافیه یه هاست خارج از کشور داشته باشین و اینو روش قرار بدین:

https://github.com/AmirHosseinOstad/PHPGeminiStreamingProxy

بعد چندتا API Key رایگان از گوگل بگیرین، داخل آرایه مشخص‌شده قرار بدین و با HTTP بهش درخواست بفرستین.

به‌صورت پیش‌فرض از مدل Gemma استفاده می‌کنه که محدودیت‌های خیلی کمتری داره و در عین حال از قابلیت‌هایی مثل سرچ و درک تصویر هم پشتیبانی می‌کنه.

خروجی هم به‌صورت Stream برمی‌گرده؛ یعنی می‌تونین پاسخ رو مثل چت‌بات‌های معروف، تکه‌تکه و هم‌زمان با دریافت نمایش بدین. نتیجه‌اش هم کاهش محسوس تأخیره.

اگه به دردتون خورد، یه ستاره روی گیت‌هاب بزنید؛ خوشحال می‌شم

@DevTwitter | <-Ostad/>

اگه از Antigravity IDE استفاده می‌کنید و چینش به‌ هم‌ ریخته متن‌های فارسی و فونت دیفالتش شما رو هم اذیت می‌کنه، این ابزار واسه شماست.
با این پچ، کل چت‌های فارسی برنامه‌تون راست‌چین میشه و فونت وزیرمتن همراه یه منوی تنظیمات شناور به هدر چت اضافه میشه.

اگه بدردتون خورد خوشحال میشم استار بدین و هر نوع مشارکتی هم بسیار خوشحالم میکنه

https://github.com/seyedalida/antigravity-ide-rtl

@DevTwitter | <Seyed Ali/>

«دفتر»
صفحه‌ساز رایگان و متن‌باز برای شعر فارسی.
شعرت رو بنویس یا از بین نزدیک به ۱۳۲ هزار شعر گنجور انتخاب کن؛ بعد قلم، کاغذ و چیدمان موردعلاقه‌ت رو انتخاب کن و صفحه‌ی آماده رو با کیفیت بالا تحویل بگیر.

- پشتیبانی از انواع ابعاد پست و استوری
- پشتیبانی از آرشیو گنجور
- دارای پس‌زمینه‌ها و نمادهای متنوع
- دارای فونت‌های متنوع و دسته بندی شده
- امکان شخصی سازی متن و محتوا
- بدون ذخیره کردن ذره‌ای دیتا از کاربر
- کاملن رایگان و آزاد

لینک استفاده رایگان و آزاد از "دفتر":
https://parsabordbar.github.io/Daftar/

لینک ریپوی گیت‌هاب دفتر:
https://github.com/ParsaBordbar/Daftar

در صورت داشتن پیشنهاد یا علاقه‌مندی به مشارکت می‌تونید با من ارتباط برقرار کنید.

اگر پروژه برای شما مفید بود با دادن Star مسیر پروژه‌رو برای بیشتر دیده شدن هموار کنید.

@DevTwitter | <Parsa/>

اشتراک ۱۸ ماهه جمینای فقط ۹۹۸ هزار تومن 🤯

• کمترین قیمت ایران
• فعالسازی روی اکانت شما
• تحویل فوری

📌 جمینای پرو منتظرته!!! همین الان کلیک کن و وارد سایت شو

💎 نوا نامبر | مرجع ابزارهای هوش مصنوعی و اکانت‌های پریمیوم

🚀 @NovaNumber

دوستانی که مک دارن پیشنهاد میکنم حتما این اپ رو امتحان کنین خیلی خوبه!

یه آیکون کوچیک توی منوبار که کار ده‌ها اپ پولی رو یک‌جا انجام می‌ده. رایگان، اوپن‌سورس و همه‌چیز فقط روی خود مک اجرا می‌شه (بدون اکانت، بدون ترکینگ، بدون اشتراک).

امکانات اصلیش ایناست:
- کنترل صدای جدا برای هر اپ (مثل میکسِر ویندوز)
- مانیتور کامل سیستم (CPU، GPU، رم، دما، باتری، شبکه و مصرف انرژی)
- جلوگیری از خواب مک (Keep Awake)
- سوییچر خیلی بهتر پنجره‌ها با پیش‌نمایش زنده
- تاریخچه کلیپ‌بورد + شلف فایل‌ها
- آنینستالر تمیز اپ‌ها • و کلی ابزار دیگه مثل اسکرین‌شات پیشرفته، اسنیپت متن، ویندوز اسنپ و...
ماژولاره هم هست؛ فقط چیزایی که لازم داری رو فعال می‌کنی.
اگه مک داری، حتماً یه نگاهی بهش بنداز:
http://vorssaint.com

@DevTwitter | <GOODRICH/>

اگر اونقدر پولدارید که سخت‌افزار خوب دارید، این مدل‌ها رو می‌تونید روی گرافیکی که دارید ران کنید.

با 8gb VRAM مدل Qwen3.8-27B IQ1_S
https://huggingface.co/unsloth/Qwen3.8-27B-GGUF/blob/main/Qwen3.8-27B-UD-IQ1_S.gguf

با 16gb VRAM مدل Qwen3.8-27B Q2_K_XL
https://huggingface.co/unsloth/Qwen3.8-27B-GGUF/blob/main/Qwen3.8-27B-UD-Q2_K_XL.gguf


با RTX 3090 مدل Qwen3.8-27B Q4_K_M
https://huggingface.co/unsloth/Qwen3.8-27B-GGUF/blob/main/Qwen3.8-27B-UD-Q4_K_M.gguf

با RTX 5090 مدل Qwen3.8-27B NVFP4
https://github.com/MiaAI-Lab/Qwen3.8-27B-NVFP4-RTX-5090

با RTX PRO 6000 مدل Qwen3.8-27B NVFP4
https://github.com/MiaAI-Lab/Qwen3.8-27B-RTX-6000-PRO-SGLang-DSpark


با DGX Spark مدل DeepSeek v4 Flash / Qwen3.8-27B
https://github.com/MiaAI-Lab/DeepSeek-v4-Flash-One-DGX-Spark
https://github.com/MiaAI-Lab/Qwen3.8-27B-SGLang-DGX-Spark

با 2x DGX Sparks مدل DeepSeek v4 Flash
https://github.com/MiaAI-Lab/DeepSeek-v4-Flash-DSpark-2x-DGX-Spark


@DevTwitter

مدل ۲.۷۸ تریلیون پارامتری Kimi K3 رو فقط با C خالص روی یک CPU اجرا کردن

بدون GPU، بدون PyTorch، بدون BLAS.

فقط حدود ۸ گیگ رم.

مهندسی‌ش دیوانه‌کننده‌ست.

https://github.com/FareedKhan-dev/kimi-k3-in-c

@DevTwitter | <Reza/>